Investir dans l’IA : les leçons du krach dotcom face au risque de bulle

L’intelligence artificielle concentre des attentes considérables. Elle promet d’automatiser certaines tâches, d’accélérer la recherche, de transformer les logiciels et de modifier la manière dont les entreprises vendent leurs produits ou organisent leur travail. Mais pour les marchés financiers, une technologie prometteuse ne garantit pas automatiquement un investissement rentable. En octobre 2025, le souvenir de la bulle internet pousse donc de nombreux investisseurs à poser une question plus concrète que spectaculaire : où se situe, exactement, la valeur économique créée par l’IA ?

La comparaison avec l’ère dotcom ne signifie pas que l’IA serait une simple répétition de la fin des années 1990. Internet a fini par transformer durablement l’économie, même si une grande partie des entreprises les plus mises en avant à l’époque n’a pas survécu au retournement des marchés. La leçon essentielle tient dans cette distinction : une révolution technologique peut être réelle tout en donnant lieu à des valorisations excessives, des stratégies fragiles et de lourdes pertes pour les investisseurs arrivés trop tard ou insuffisamment préparés.

Le précédent dotcom reste un avertissement utile

À la fin des années 1990, l’essor d’internet avait suscité une vague d’enthousiasme exceptionnelle. La perspective d’un monde connecté paraissait justifier des valorisations très élevées, y compris pour des sociétés qui n’avaient pas encore démontré leur capacité à générer des bénéfices. Lorsque le marché s’est corrigé à partir de 2000, l’écart entre les promesses et les fondamentaux économiques s’est révélé brutalement.

Ce précédent éclaire les interrogations actuelles, car l’IA suscite elle aussi une compétition très visible entre jeunes pousses, fournisseurs de matériel, éditeurs de logiciels et grands groupes du web. Dans un environnement porté par l’innovation, il est tentant d’évaluer une entreprise sur la seule taille supposée de son marché futur. Or, un marché potentiel ne constitue ni un chiffre d’affaires, ni une marge, ni une preuve que les clients resteront fidèles.

L’analogie a toutefois ses limites. L’IA est déjà intégrée à de nombreux produits et services, tandis que les grands acteurs technologiques disposent de ressources considérables en recherche et développement. Cela ne met pas leurs investissements à l’abri de toute déception. Cela signifie plutôt que l’analyse doit être plus fine : il faut examiner séparément l’infrastructure, les modèles, les applications et les entreprises qui utilisent l’IA dans leur activité existante.

Pourquoi l’IA est-elle difficile à valoriser ?

L’IA pose une difficulté particulière aux investisseurs : ses bénéfices peuvent être diffus, différés et difficiles à isoler. Une entreprise peut installer un assistant conversationnel, automatiser une partie du support client ou aider ses équipes à rédiger plus vite. Pourtant, il reste complexe de déterminer si ces outils ont entraîné davantage de ventes, une réduction durable des coûts ou une amélioration mesurable de la fidélité des clients.

Il faut aussi compter avec le coût de la technologie. Entraîner, adapter et faire fonctionner certains systèmes d’IA exige de la puissance de calcul, de l’énergie, des données, des équipes spécialisées et des mécanismes de sécurité. Une application peut séduire les utilisateurs sans disposer, pour autant, d’un modèle qui couvre durablement ces dépenses. La vraie question financière n’est donc pas seulement « l’outil fonctionne-t-il ? », mais « l’outil crée-t-il une valeur supérieure à son coût complet ? ».

Les grands groupes du web sont particulièrement suivis, car ils cherchent à conserver leur position dans un paysage en mouvement rapide. Leurs investissements importants en recherche et développement peuvent leur donner un avantage technologique, mais ils imposent aussi une obligation de résultats. Les marchés regarderont avec attention la manière dont ces dépenses se traduisent, ou non, en produits adoptés et en performance commerciale.

Le chiffre de 97 % doit inciter à regarder les preuves

Selon l’étude citée dans le débat, près de 97 % des sociétés ne parviennent pas à établir un lien clair entre leurs investissements en IA et la croissance de leur chiffre d’affaires. Ce constat est important, car il remet en cause l’idée selon laquelle l’adoption de l’IA produirait automatiquement des résultats commerciaux immédiats.

Il ne faut pas pour autant en tirer une conclusion définitive sur l’ensemble de l’économie. Une hausse de revenus peut mettre du temps à apparaître, tandis que certaines utilisations de l’IA visent d’abord la qualité, la rapidité d’exécution ou la réduction des risques. De plus, mesurer l’effet d’une technologie isolée dans une organisation est difficile : les résultats dépendent aussi de la formation des équipes, de l’organisation interne, de la qualité des données et du produit proposé au client.

Pour un investisseur, ce chiffre invite surtout à demander des indicateurs plus précis que les annonces générales. Une entreprise qui affirme utiliser l’IA doit pouvoir expliquer, dans la mesure du possible, quel problème elle résout, auprès de quels clients, à quel coût et avec quels résultats observables. Des démonstrations convaincantes ne remplacent pas des preuves de traction commerciale.

Les fondamentaux à privilégier face à l’euphorie

Face aux promesses liées à l’IA, la réponse la plus fréquente des investisseurs prudents consiste à revenir aux principes classiques d’analyse. L’objectif n’est pas de rejeter les entreprises innovantes, mais de vérifier que leur récit technologique repose sur une activité susceptible de tenir dans le temps.

Plusieurs éléments méritent une attention particulière :

• Des applications tangibles, qui répondent à un besoin identifiable plutôt qu’à une simple tendance de communication.
• Une adoption vérifiable, par exemple des clients actifs, des contrats, des usages récurrents ou une capacité démontrée à conserver les utilisateurs.
• Un modèle économique cohérent, capable de transformer l’intérêt pour l’IA en revenus et, à terme, en bénéfices durables.
• Une structure financière saine, particulièrement importante lorsque les coûts de calcul, de données et de personnel sont élevés.
• Une équipe de direction crédible, apte à gérer la croissance, la sécurité, les partenariats et les contraintes réglementaires.

La valorisation reste le point de vigilance central. Une entreprise peut avoir une excellente technologie et représenter malgré tout un mauvais investissement si le prix payé suppose déjà une réussite presque parfaite. À l’inverse, l’absence de bénéfices immédiats ne condamne pas nécessairement une jeune entreprise, à condition que sa trajectoire soit documentée, que ses dépenses soient maîtrisées et que ses clients lui accordent une valeur durable.

L’écologie et l’éthique deviennent aussi des critères financiers

L’engouement pour l’IA ne se limite pas à des questions de logiciels ou de marchés. L’impact écologique de cette technologie suscite une attention croissante. Les systèmes nécessitant des capacités de calcul importantes posent notamment la question de leur consommation énergétique. Pour les investisseurs, ce sujet ne relève plus seulement de la responsabilité sociale : il peut avoir des conséquences directes sur les coûts d’exploitation, l’accès aux infrastructures et l’image de l’entreprise.

Le dilemme est clair. Les organisations veulent bénéficier de l’innovation, mais elles doivent aussi rendre compte de leurs objectifs environnementaux. Une stratégie crédible suppose d’examiner les usages réellement nécessaires, l’efficacité des systèmes employés et la capacité de l’entreprise à maîtriser son empreinte à mesure que ses services se développent.

Les controverses culturelles et éthiques peuvent également peser sur une valorisation. Le débat autour des actrices virtuelles, dont Tilly Norwood est devenue un exemple, illustre les tensions entre nouveaux outils de création, droits des personnes, emploi artistique et acceptabilité sociale. Les inquiétudes exprimées par des célébrités d’Hollywood montrent que la performance technique ne règle pas, à elle seule, les questions de consentement, de réputation et de normes professionnelles.

Ces sujets peuvent sembler éloignés de la finance. Ils influencent pourtant les décisions des clients, les risques juridiques, la confiance du public et la capacité d’une marque à attirer partenaires et talents. Une analyse sérieuse de l’IA doit donc intégrer la gouvernance, l’éthique et l’environnement au même titre que la croissance annoncée.

Diversifier plutôt que parier sur une seule promesse

Dans ce contexte, la diversification apparaît comme une réponse raisonnable à l’incertitude. Elle peut consister à ne pas concentrer un portefeuille sur une seule jeune pousse, un seul fournisseur de technologies ou une seule étape de la chaîne de valeur. Associer des entreprises innovantes à des sociétés établies, susceptibles d’adopter l’IA dans une activité déjà rentable, permet de réduire l’exposition à un scénario unique.

Cette approche ne supprime pas le risque. Elle évite cependant de faire dépendre l’ensemble d’une stratégie d’investissement d’une valorisation particulièrement élevée ou d’une promesse encore difficile à vérifier. Elle rappelle aussi une règle simple : investir dans l’IA ne revient pas nécessairement à investir uniquement dans les entreprises qui se présentent comme des spécialistes de l’IA.

Pour le grand public, il est essentiel de distinguer information et recommandation. Les marchés peuvent évoluer rapidement, et l’évaluation d’un titre dépend de la situation financière, de l’horizon de placement et du niveau de risque que chacun peut assumer. La prudence décrite ici constitue une méthode d’analyse, non un conseil d’achat ou de vente.

Ce qu’il faut surveiller dans les prochains mois

Les prochains résultats d’entreprises seront déterminants. Les marchés chercheront des preuves plus concrètes de la capacité de l’IA à générer des revenus, à améliorer les marges ou à produire des gains d’efficacité durables. Ils observeront aussi si les dépenses importantes consacrées à l’infrastructure et à la recherche débouchent sur des produits que les clients acceptent réellement de payer.

Il faudra également suivre l’évolution des préoccupations environnementales et éthiques. La manière dont les entreprises répondent à ces enjeux peut influencer leur licence sociale à opérer, leur réputation et leurs coûts. Enfin, la discipline des investisseurs sera un indicateur en soi : une technologie peut continuer à progresser même si les marchés cessent de récompenser indistinctement toutes les entreprises qui lui sont associées.

La leçon de l’ère dotcom n’est donc pas de détourner le regard de l’IA. Elle est de regarder au-delà de l’enthousiasme, vers les clients, les coûts, les bénéfices, les risques et le temps nécessaire pour transformer une innovation en activité durable.